Sesame: CSM 1B
Sesame CSM 1B POST /v1/audio/speech арқылы берілген мәтінді сөйлеуге айналдырады. Нақты сценариймен sesame/csm-1b пайдаланып, оның аталған дауыстарының бірін таңдаңыз және MP3 немесе PCM дыбысын сұраңыз. Ол дайын хабарламаны, түсіндірмені немесе баяндау үзіндісін ойнатуға не өңдеуге арналған дыбыс файлына айналдыратын үдеріске сай келеді.
Модель туралы
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Sesame CSM 1B — дәл sesame/csm-1b ID мәнімен қолжетімді мәтінді дыбыстау моделі. Айтылатын сөздерді беріп, алынған дыбысты файл ретінде сақтаңыз. Практикалық тапсырма дайын өнім түсіндірмесі, қолданбаның дыбысталған хабарламасы немесе монтажға орналастырылатын баяндау үзіндісі бола алады. Сценарийді тыңдаушы естуге тиіс есімдерді, сандарды және тұжырымдарды қоса, көзделген айтылатын мәтін ретінде дайындаңыз.
application/json арқылы POST /v1/audio/speech сұрауын жіберіңіз. Міндетті өрістер — sesame/csm-1b етіп орнатылған model және сценарийді жол ретінде қамтитын input. Сценарий файлын UTF-8 мәтіні ретінде оқып, жергілікті файл атауын берудің орнына мазмұнын input ішіне орналастырыңыз. Айтылатын мазмұнды сол өрісте ұстау генерацияға нақты сценарий беріп, қолданбаға нәтиже файлымен бірге дәл сөздерді сақтауға мүмкіндік береді.
Аталған voice нұсқалары — conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d және none. voice өрісінде осы сәйкестендіргіштерді дәл сақтаңыз. Үдеріске қайталанатын сұрау конфигурациясы қажет болса, дауысты нақты таңдап, сол параметрді сценариймен және шығыспен бірге сақтаңыз. Қолжетімді дауыстардың қайсысы жоспарланған қолдануға сай екенін шешу үшін үлгі үзіндіні тыңдаңыз.
mp3 немесе pcm таңдау үшін response_format пайдаланыңыз. MP3 audio/mpeg ретінде жеткізіледі және MP3 қабылдайтын ойнатқышқа немесе өңдеу үдерісіне беруге болатын файл ұсынады. PCM audio/pcm ретінде кіші разрядты байты алдымен келетін 16 биттік үлгілермен жеткізіледі; байттарды түсіндіретін қолданба үшін оның нақты дыбыс метадеректерін сақтаңыз. Файл мен кейінгі декодер сәйкес болуы үшін пішімді нақты орнатыңыз. Құжатталған сұрау мысалы speed:1 пайдаланады; қалыптасқан параметрлермен сұрау дайындағанда осы бастапқы деңгейді сақтаңыз.
Сәтті жауапта өңделмеген дыбыс байттары болады. Жауап денесін дыбыс ретінде сақтап, жауап тақырыптарын және бастапқы сұраудың сәйкестендіру деректерін сценариймен, дауыспен және сұралған пішіммен бірге қалдырыңыз. Сол жауаптың аяқталуын қайтарылған дыбысты сақтап, тексеруге болатын сәт ретінде қарастырыңыз. Нәтижені көлемдірек жобаға қоспас бұрын айтылған есімдерді, сандарды және сөйлем шекараларын бастапқы сценариймен салыстырып тексеріңіз. Сұрау жіберілгеннен кейін үзілсе, бар нәтижені тексергенде бастапқы сәйкестендіру деректерін және жауап ақпаратын сақтаңыз.
Ailoot Ultra · Speech POST /v1/audio/speech sesame/csm-1b
sesame/csm-1bБастау
Sesame CSM 1B POST /v1/audio/speech арқылы берілген мәтінді сөйлеуге айналдырады. Нақты сценариймен sesame/csm-1b пайдаланып, оның аталған дауыстарының бірін таңдаңыз және MP3 немесе PCM дыбысын сұраңыз. Ол дайын хабарламаны, түсіндірмені немесе баяндау үзіндісін ойнатуға не өңдеуге арналған дыбыс файлына айналдыратын үдеріске сай келеді.
- Қабылданатын кіріс деректері
- Мәтін
- Нәтижелер
- Аудио
Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер
Ailoot Ultra · Speech POST /v1/audio/speech
- Кіріс
text- Шығыс
audio- Шығыс пішімі
- mp3,pcm
| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер sesame/csm-1b | Әдепкі— |
Өрісinput | Түріstring | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісvoice | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d, none | Әдепкі— |
Өрісresponse_format | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер mp3, pcm | Әдепкі— |
Өрісspeed | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Әдіс параметрлері мен өмірлік циклі
| Параметр | Параметр талаптары |
|---|---|
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрrequired | Параметр талаптарыmodel, input |
Параметрoptional | Параметр талаптарыvoice, response_format, speed |
Параметрmaterial_types | Параметр талаптарыtext |
Параметрconditions | Параметр талаптары |
Өмірлік цикл: synchronous_result_then_owned_library
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Тарифтер
Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.
- Жылдам режим
- Көрсетілмеген Жылдам режим таңдалғанда
- Икемді режим
- Көрсетілмеген flex режимі таңдалғанда
- Ой қорытудың ең жоғары деңгейі
- Көрсетілмеген Ой қорыту деңгейі ең жоғары болып, default түзетуі қолданылғанда
Ailoot мөлшерлемелері
Баптаулар бойынша бағалар
Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.
| Баптау | Мөлшерлемелер кестесі | Есептелетін мөлшер | Есептеу бірлігі | Төлем |
|---|---|---|---|---|
| БаптауТокендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Есептелетін мөлшер— | Есептеу бірлігі— | Төлем Кіріс · Кіріс токендері — / 1K токен Шығыс · Шығыс токендері — / 1K токен Кіріс · Кэшті оқу — / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
| Баптаукіріс таңбасы | Мөлшерлемелер кестесі— | Есептелетін мөлшер— | Есептеу бірлігікіріс таңбасы үшін | Төлем Кіріс · кіріс таңбасы $0.000014 кіріс таңбасы үшін |
| БаптауӘр сұрауға | Мөлшерлемелер кестесі— | Есептелетін мөлшербір сұрау | Есептеу бірлігі— | Төлем Кіріс $0 әр сұрау үшін |
Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
Сұрау мысалдары
Ailoot Ultra · Speech
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"input": "Hello world", "model": "sesame/csm-1b", "response_format": "mp3", "speed": 1, "voice": "conversational_a"}')
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
# Submit once. Retain the complete result, original identifiers and every response header.
Нәтижелерді алу және сақтау
Ailoot Ultra · Speech
mp3,pcm
GET /v1/media/assetsGET /v1/media/assets/{asset_id}
Барлық дайын нәтижені сақтау
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Retain the complete binary audio and response headers. Use the actual output Content-Type; no extra container or bit depth is inferred.
Бастапқы жауапты тексеру қажет болса
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Балама атаулар
Модельдердің балама атаулары
Ailoot Ultra sesame/csm-1b
Әдіс жолдарының балама атаулары
Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.
Шақыруға арналған байланысты ID
FAQ · Sesame: CSM 1B
- Қандай кіріс деректері мен нәтижелер қолжетімді?
POST /v1/audio/speech·sesame/csm-1b:text→audio- Сұрау қандай өрістерді пайдаланады?
POST /v1/audio/speech·sesame/csm-1b:model,input,voice,response_format,speed